#DEAL #Россия #США Офис Европейского парламента в Ирландии #ЕВРОПА #ukraine #экономика #КРИПТО #КАПИТАЛ #ВОЙНА По состоянию на декабрь 2025 года Россия и Китай имеют сильное экономическое партнерство, объем двусторонней торговли превышает 200 #миллиардов долларов. Китай является главным торговым партнером России, обеспечивая экономическую поддержку на фоне западных санкций — Россия экспортирует энергию по сниженным ценам (нефть/газ составляют ~75% ее продаж в Китай), в то время как импортирует товары и технологии. Однако торговля сократилась на ~10% по сравнению с пиковыми значениями 2024 года из-за трений, таких как ограничения на импорт российских автомобилей из Китая для защиты местной промышленности. Хотя Россия становится все более зависимой, это взаимная стратегическая связь, а не полное подчинение. "Приложение" может преувеличивать это, но зависимость очевидна.
23:55 2025 Нижче — приклад Python-коду, згенерованого на основі наданого тобою аналізу, який:
структурує ключові економічні твердження (торгівля РФ–КНР),
моделює залежність Росії від Китаю,
показує сценарний аналіз (що буде при падінні торгівлі),
будує просту візуалізацію.
Код аналітичний / ілюстративний, не прив’язаний до live-даних (бо ти вже дав узагальнений аналіз).
🔹 1. Структура даних + базові метрики залежності
Копіювати код
import pandas as pd
# Базові оцінки на грудень 2025 (з аналізу)
data = {
"рік": [2023, 2024, 2025],
"білатеральна_торгівля_usd_мільярд": [180, 225, 203], # >200B з падінням ~10%
"частка_енергетичного_експорту_росії_до_китаю": [0.68, 0.72, 0.75],
"частка_китаю_в_загальних_торгах_росії": [0.32, 0.36, 0.39],
"темп_зростання_торгівлі": [0.12, 0.25, -0.10]
}
df = pd.DataFrame(data)
# Індекс залежності РФ від КНР
# (частка торгівлі * частка енергоресурсів)
df["dependency_index"] = (
df["china_share_of_russia_total_trade"] *
df["russia_energy_export_share_to_china"]
)
print(df)
🔹 2. Інтерпретація залежності (логічна модель)
Копіювати код
Python
def interpret_dependency(index):
if index < 0.15:
return "Низька залежність"
elif index < 0.25:
return "Помірна залежність"
else:
return "Висока залежність"
df["dependency_level"] = df["dependency_index"].apply(interpret_dependency)
print(df[["year", "dependency_index", "dependency_level"]])
🔹 3. Сценарний аналіз: що буде при подальших санкціях
Копіювати код
Python
def trade_scenario(current_trade, shock_percent):
"""
shock_percent: негативний % (наприклад -0.2 = -20%)
"""
return round(current_trade * (1 + shock_percent), 2)
scenarios = {
"базовий": 0.0,
"санкційний_тиск": -0.15,
"обмеження_імпорту_китаю": -0.25,
}
current_trade = df.loc[df["year"] == 2025, "bilateral_trade_usd_billion"].iloc[0]
scenario_results = {
name: trade_scenario(current_trade, shock)
for name, shock in scenarios.items()
}
print("Результати сценарію (мільярд доларів США):")
for k, v in scenario_results.items():
print(f"{k}: {v}")
🔹 4. Візуалізація тренду + залежності
Копіювати код
Python
import matplotlib.pyplot as plt
plt.figure()
plt.plot(df["year"], df["bilateral_trade_usd_billion"], marker='o')
plt.title("Обсяг торгівлі Росія–Китай (мільярд доларів США)")
plt.xlabel("Рік")
plt.ylabel("Обсяг торгівлі")
plt.grid(True)
plt.show()
plt.figure()
plt.plot(df["year"], df["dependency_index"], marker='o')
plt.title("Індекс залежності Росії від Китаю")
plt.xlabel("Рік")
plt.ylabel("Індекс залежності")
plt.grid(True)
plt.show()
🔹 5. Аналітичний висновок (машинна логіка)
Копіювати код
Python
latest = df.iloc[-1]
if latest["dependency_index"] > 0.25 and latest["trade_growth_rate"] < 0:
conclusion = (
"Росія структурно залежить від Китаю, "
"але стосунки показують економічне тертя "
"і асиметрія, а не повна підпорядкованість."
)
else:
conclusion = "Економічне партнерство залишається збалансованим."
print("Висновок:")
print(conclusion)
📌 Що цей код відображає концептуально
✔️ Не “додаток”, але асиметрична залежність
✔️ Китай = економічний «lifeline» під санкціями
✔️ Падіння торгівлі ≠ кінець партнерства
✔️ Енергетична монозалежність — ключовий ризик РФ
Якщо хочеш:
🔹 версію для Jupyter Notebook
🔹 додати CRYPTO / CAPITAL FLOWS
🔹 перекласти у кількісну ризикову модель
🔹 оформити як EU policy brief / think-tank code
— скажи, в якому форматі 👍#icrypto - index 6-8
